·上一文章：设计弹载共形遥测天线
·下一文章：惠普HP6P型激光打印机，进纸时出现卡纸
2.2插值法归整数据采样频率
由于不同人完成同一种手势动作的快慢不同，而且同一个人完成同一种手势动作的快慢也不尽相同，而系统的采样频率是固定的，相同的手势动作如果完成快，则采集的数据点较少；反之，如果完成速度慢，则采集的数据点较多。这样就增加了识别难度，但是，对于同一种手势动作，无论采集到的数据点多少，它的整体变化规律是相似的。为了简化识别过程，降低识别难度，本文通过插值法把一个完整手势动作数据点扩充到同一长度来消除人为速度干扰因素对识别率的影响。
本文采用三次样条插值法（简称spline插值）对手势动作数据点进行扩充。三次插值法既保留了分段低次插值多项式的简单、稳定和收敛等优点，又提高了插值函数的光滑性，从而不会造成原始数据失真。插值效果如图2所示。
3 PC机建立区间分布概率矩阵初始模型
3.，特征区间提取
3.1.1观测点的选择
在经过本文上述数据预处理之后，所有手势动作加速度数据长度标准化为Ho=50。本文选择加速度值作为特征量，所以需要确定一些特定的观测点（即需要确定一些特定的采样点）来提取不同手势的加速度信息。在选择观测点时，尽量做到在同一个观测点处，相同手势动作的加速度数值变化幅度较小。以X轴为例，根据手势在X轴上加速度数据的特征分布，选取K个观测点：O1，O2,…，Ok。
3.1.2特征区间的定义
设有M个手势，共N个样本（每种手势有N/M个样本），那么在观测点Ok处，由N/M个观测值构成每个手势的分布区间Ω。统计M个手势的区间的分布情况后，确定M个手势的观测值的分布区间ξ，将ξ划分成S个子区间（左闭右开型）：R1,R2,…,R.,。子区间就称为M个手势在观测点Ok处的特征区间。
3.1.3提取特征区间
以本文的12种手势为例，阐述提取过程。随机为每个手势选取了10个样本，在X轴上观测点O1=10处，12种手势的观测值分布如图3所示。根据这个分布统计出加速度最大值和最小值，就可以知道此时所有样本观测值的集中分布的范围6。然后再把这个分布区间范围等间隔分为了5个子区间（即特征区间），则12种手势的所有样本（120个）在观测点处的加速度值都会落人这些子区间：R1,R2,R3,R4,R5 。
3.1.4区间分布概率矩阵及模型的定义
同一种手势的不同样本，在同一个观测点处的观测值可能会落人不同的特征区间。以图3为例，在观测点O1= 10处，手势11的10个样本观测值落人了R2,R3,R4 3个特征区间，但是有的区间落人的观测值多（如R2,7个），有的区间落人的观测值少（如R4, 1个），从统计学的角度讲，手势11的10个样本在观测点处的观测值落入R2,R3,R4 3个特征区间的概率不同。不同的手势在观测点O1=10处又有不同的情况。能够表示不同手势和不同样本在同一个观测点处的观测值落人不同特征区间的概率分布情况（下文有详细建立过程）的矩阵称之为区间分布概率矩阵。在X,Y和Z轴上的所有观测点处的区间分布概率矩阵构成了本文手势识别方法的区间分布概率矩阵模型。
